論文の概要: LoRA Direction Extraction for Controllable Light Toggling in FLUX.1 Kontext

• arxiv url: http://arxiv.org/abs/2610.03771v1
• Date: Tue, 29 Sep 2026 08:44:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 05:16:55.15843
• Title: LoRA Direction Extraction for Controllable Light Toggling in FLUX.1 Kontext
• Title（参考訳）: FLUX.1テキストにおける制御可能な光トングリングのためのLORA方向抽出
• Abstract要約: 我々は、人工光源のオン/オフを目標とする、制御可能な内部画像編集の課題に対処する。 拡散モデル流場におけるLoRAアダプタ効果の純粋方向を抽出するLoRA方向訓練法を提案する。 また、逆変換の現実性を保証するために、特殊損失関数も導入する。
• 参考スコア（独自算出の注目度）: 39.146761527401424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a fine-tuning method for flow-matching diffusion models aimed at realistic artificial light modeling without the need for a large training dataset. We address the task of controllable interior image editing, where the goal is to turn artificial light sources on or off while preserving the scene geometry, object placement, materials, and visual identity of the original image. To achieve this, we decompose the task into two independent formulations. We introduce the LoRA Direction Training Method, which extracts the pure direction of the LoRA adapter effect in the diffusion model flow field, and we also introduce specialized loss functions to ensure the realism of the inverse transformation. Additionally, the resulting increment map is used for more precise adjustment of the lighting color and temperature.
• Abstract（参考訳）: 本研究では,大規模なトレーニングデータセットを必要とせず,現実的な人工光モデリングを目的としたフローマッチング拡散モデルの微調整手法を提案する。 そこでは,シーン形状,オブジェクト配置,素材,オリジナル画像の視覚的アイデンティティを保ちながら,人工的な光源のオン/オフを目標とする内部画像編集の課題に対処する。 これを実現するために、タスクを2つの独立した定式化に分解する。 拡散モデル流場におけるLoRAアダプタ効果の純粋方向を抽出するLoRA方向訓練法を導入し,逆変換の現実性を保証するために,特殊な損失関数も導入する。 さらに、結果のインクリメントマップは、照明色と温度をより正確に調整するために使用される。

関連論文リスト

• ZeroIDIR: Zero-Reference Illumination Degradation Image Restoration with Perturbed Consistency Diffusion Models [72.4683657127516]
  照明画像復元のためのゼロ参照拡散ベースフレームワークZeroIDIRを提案する。 フレームワークは、復元プロセスを適応照明補正と拡散に基づく再構成に分離する。 公開されているベンチマーク実験により、提案手法は最先端の教師なし競争相手よりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-05-12T02:36:49Z)
• Zero-Shot Adaptation of Parameter-Efficient Fine-Tuning in Diffusion Models [48.22550575107633]
  テキストと画像の拡散モデルにおいてパラメータ効率の良い微調整をゼロショットで適用できるProLoRAを導入する。 ProLoRAは、トレーニングデータを追加せずに、ソースからターゲットモデルに事前訓練された低ランク調整を転送する。
  論文  参考訳（メタデータ） (2025-05-29T20:37:04Z)
• LightLab: Controlling Light Sources in Images with Diffusion Models [49.83835236202516]
  画像中の光源を微細かつパラメトリックに制御する拡散法を提案する。 我々は、光の線形性を利用して、ターゲット光源または周囲照明の制御された光の変化を描写した画像対を合成する。 提案手法は, ユーザの好みに基づいて, 従来の方法よりも優れた光編集結果が得られることを示す。
  論文  参考訳（メタデータ） (2025-05-14T17:57:27Z)
• LumiNet: Latent Intrinsics Meets Diffusion Models for Indoor Scene Relighting [26.40653597095593]
  ソースイメージとターゲットのライティングイメージが与えられた後、LumiNetはターゲットのライティングをキャプチャするソースシーンの依存バージョンを合成する。 LumiNetは2つの異なる画像から遅延表現を処理します。
  論文  参考訳（メタデータ） (2024-11-29T18:59:11Z)
• Retinex-Diffusion: On Controlling Illumination Conditions in Diffusion Models via Retinex Theory [19.205929427075965]
  我々は,拡散モデルをブラックボックス画像レンダリングとして概念化し,そのエネルギー関数を画像形成モデルに沿って戦略的に分解する。 これは、キャストシャドウ、ソフトシャドウ、反射間など、現実的な照明効果を持つ画像を生成する。
  論文  参考訳（メタデータ） (2024-07-29T03:15:07Z)
• LDM-ISP: Enhancing Neural ISP for Low Light with Latent Diffusion Models [54.93010869546011]
  本稿では,事前学習した潜伏拡散モデルを用いて,超低照度画像の高精細化のためのニューラルISPを実現することを提案する。 具体的には、RAWドメイン上で動作するために事前訓練された潜在拡散モデルを調整するために、軽量なテーミングモジュールのセットをトレーニングする。 遅延拡散モデルにおけるUNet復調と復号化の異なる役割を観察し、低照度画像強調タスクを遅延空間低周波コンテンツ生成と復号位相高周波ディテール保守に分解するきっかけとなる。
  論文  参考訳（メタデータ） (2023-12-02T04:31:51Z)
• Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
  フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。 現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。 本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-31T04:58:17Z)
• Illumination and Shadows in Head Rotation: experiments with Denoising Diffusion Models [0.0]
  本研究は, 様々な照明条件下で連続的な頭部回転を表現できる魅力的な軌道を同定するために, 拡散モデルの遅延空間を探索する。 我々の研究の重要な貢献は、CelebAデータセットから追加のラベルを生成し、一般的な照明方向に基づいて画像を3つのグループに分類することである。
  論文  参考訳（メタデータ） (2023-08-11T10:14:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。